基于BiGRU-Attention神经网络的文本情感分类模型

分类： 计算机科学 >> 计算机科学的集成理论 提交时间： 2018-10-11 合作期刊: 《计算机应用研究》

王伟 孙玉霞 齐庆杰 孟祥福

摘要： 针对双向长短时记忆神经(BiLSTM)模型训练时间长、不能充分学习文本上下文信息的问题，提出一种基于BiGRU-Attention的文本情感分类模型。首先，利用双向门控循环(BiGRU)神经网络层对文本深层次的信息进行特征提取；其次，利用注意力机制(attention)层对提取的文本深层次信息分配相应的权重；最后，将不同权重的文本特征信息放入softmax函数层进行文本情感极性分类。实验结果表明，所提的神经网络模型在IMDB数据集上的准确率是90.54%，损失率是0.2430，时间代价是1100 s，验证了 BiGRU-Attention模型的有效性。

 点击量 4141  下载量 2582  评论